Python语言概述

原创于 2024-10-11 17:50:25 发布 · 795 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言

学习目标

熟悉Python开发环境配置
熟悉Python的安装和运行
熟悉Anaconda包的安装
熟悉Anaconda包管理器的使用
熟悉Jupyter notebook编辑器的使用
初识Python开发

一.Python语言的历史

创始人：Guido van Rossum(吉多·范罗苏丹)
时间地点：1989年圣诞节期间在阿姆斯特丹创造

二.为什么要用Python

简单易学：非计算机专业的入门语言
功能丰富：丰富的API、免费库、"glue language"
用户群体多：YouTube、Google、Yahoo、NASA、MIT、SJTU

三. Python语言的应用

web开发
爬虫开发
云计算开发
人工智能
自动化运维
数据分析
科学计算

四.Python语言的特点

免费的
可扩展的
可移植的
跨品台的

五. Python语言的优点

Python的优点
易于扩展	语法简洁	可移植性	动态语言	高性能	面向对象	功能强大	健壮性

六.Python语言的缺点

python2.x和python3.x不兼容
比C/C++执行效率低

七.软件实现

CPython，是Python的官方版本，使用C语言实现，使用最为广泛，新的语言特性一般也最先出现在这里。
Jython，是Python的Java实现，它与Java语言之间的互操作性要远远高于CPython和C语言之间的互操作性。
Python for .NET，实质上是CPython实现的.NET托管版本，它与.NET库和程序代码有很好的互操作性。
IronPython，是一种在.NET及Mono上的Python实现，基于微软的DLR引擎。IronPython并未实现Python通用类库，仅实现了部分核心类。
PyPy，是Python的Python实现版本。可以很容易地修改PyPy解释器的实现。
Stackless：CPython难以实现用户级的线程库和复杂递归应用，Stackless的Python实现突破了这个限制。

八.Python的安装方式

采用Python官方软件安装
利用Anaconda包管理器安装和管理Python软件

<span style="color:#000000"><span style="background-color:#ffffff"><code class="language-python"><span style="color:#880000">1</span> + <span style="color:#880000">1</span>
</code></span></span>

<span style="color:#000000"><span style="background-color:#ffffff"><code class="language-python"><span style="color:#0000ff">print</span>(<span style="color:#a31515">"Hello Python!"</span>)
</code></span></span>

九.Python中常见程序文件扩展名

.py：Python源文件，由Python解释器负责解释执行。
.pyw：Python源文件，用于图形界面程序文件，也是由Python解释器解释执行。
.pyc：Python字节码文件，可用于隐藏Python源代码和提高运行速度。

十.Python常用类库

Numpy

数据分析、机器学习和科学计算的主力军。极大地简化了向量和矩阵的操作处理。
能对数值数据进行切片（slice）和切块（dice）。

SciPy

基于NumPy开发的高级模块，依赖于NumPy，提供了许多数学算法和函数的实现，可便捷快速地解决科学计算中的一些标准问题，如数值积分和微分方程求解、最优化、甚至包括信号处理等。
是Python科学计算程序的核心包。

Pandas

提供了大量快速便捷处理数据的函数和方法。
主要的数据结构有Series、DataFrame和Panel。其中Series是一维数组，与NumPy中的一维array以及Python基本的数据结构List类似；DataFrame是二维的表格型数据结构，可以将DataFrame理解为Series的容器；Panel是三维的数组，可看作为DataFrame的容器。

Matplotlib

是Python的绘图库，是用于生成出版质量级别图形的桌面绘图包，让用户很轻松地将数据图形化，同时还提供多样化的输出格式。

Seaborn

在Matplotlib基础上提供了一个绘制统计图形的高级接口，为数据的可视化分析工作提供了极大的方便，使得绘图更加容易。
用Matplotlib最大的困难是其默认的各种参数，而Seaborn则完全避免了这一问题。

Scikit-learn

专门面向机器学习的Python开源框架，它实现了各种成熟的算法，容易安装和使用。
基本功能有分类、回归、聚类、数据降维、模型选择和数据预处理六大部分。

十一.Python库的使用

Python使用pip工具来管理扩展库，默认情况下，Python 3.x会自动安装pip工具。pip命令不仅可以实时查看本机已经安装的扩展库列表，还支持扩展库的安装、升级、卸载等操作。注意：用pip命令管理Python扩展库需要在命令提示符环境中进行，并且需要切换至pip所在目录。

pip命令示例	说明
pip install Package	安装Package模块文件
pip list	列出当前已安装的所有模块文件
pip install --upgrade Package	升级Package模块文件
pip uninstall Package	卸载Package模块文件
pip install Package.whl	使用轮子文件whl直接安装Package

Python启动时，仅加载了很少一部分模块，其它模块需要由程序员显式加载：

导入某模块中的所有对象，并设置别名

import 模块名 [as 别名]

导入某模块中的某对象，并设置别名

from 模块名 import 对象名 [as 别名]

导入模块顺序（建议）

导入Python标准库模块
导入第三方扩展库
导入自己编写的本地模块

十二.数据科学计算平台——Anaconda

Anaconda介绍

一个集成的Python数据科学环境，简单的说，Anaconda除了有Python外，还安装了180多个用于数据分析的第三方库，而且可以使用conda命令安装第三方库和创建多个环境。相对于只安装Python而言，避免了安装第三方库的麻烦。
优点是已经内置了Jupyter notebook交互式计算环境、Spyder集成开发环境，以及NumPy、pandas、Matplotlib、SciPy等各类主要数据分析模块。
Anaconda还是一个开源的包、环境管理器，可以在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。使用Anaconda可以方便地进行包的管理（包的安装、卸载、更新），对于需要的各种Python的第三方包，可以直接在Anaconda中进行下载。

常见的conda命令：

conda --version #查看当前版本
conda list #列出当前安装库
conda upgrade --all #升级所有库
conda install --yes --file requirements.txt #批量安装
conda upgrade pip #升级某个库，以pip为例，会卸载旧版本
conda update pip #更新某个库，以pip为例，不会卸载旧版本
conda config --add
pip install tensorflow #安装tensorflow包
conda install tensorflow #安装tensorflow以及其依赖包

环境管理：

conda create -n env_test python=3 #创建python3环境env_test
sudo conda create -p /opt/anaconda3/envs/env_test python=3 #创建python3环境env_test并指定具体位置
conda config --show #查看所有配置
source activate env_test #进入虚拟环境env_test
conda remove -n env_test --all #删除环境env_test
conda env list #查看所有虚拟环境

十三.Jupyter代码编辑器的使用

Jupyter Notebook介绍

是一款专门为数据分析工作而打造的编辑器。
Jupyter Notebook（Julia+Python+R = Jupyter）基于Web技术的交互式计算文档格式，支持Markdown和Latex语法，支持代码运行、文本输入、数学公式编辑、内嵌式画图和其它如图片文件的插入，是一个对代码友好的交互式笔记本。
注意：
- jupyter notebook界面只是一个网页版的用户交互界面。其内核是运行在terminal中的jupyter notebook命令。
- Terminal中运行“jupyter notebook” 命令的目录为jupyter notebook 运行后其内置网页版文件资源管理器的根目录。
- 在Terminal中键入CTRL+c可结束jupyter notebook进程，键入CTRL+C（双击）可强制结束jupyter notebook进程。

Cell的使用特点：Cell在使用时有两个很重要的特点，第一点体现在查看变量的时候，第二点体现在变量值的传递上。

由于在数据分析的过程中，经常要查看变量的值，如果每次查看变量值的时候都要输入print()，那就会非常麻烦。jupyter代码编辑器正是考虑到了这一点，所以在设计的时候就新增了一个功能：查看变量值的时候，只要输入变量名就可以了。
当前的Cell可以沿用之前Cell的运算结果，也就是变量的值是可以传递的。变量传递这个特性虽然在调用变量的时候非常方便，但也有一个小小的缺陷。重新打开学习系统的时候，系统就会“忘记”之前运行过的变量的值。这个时候就需要点击网页右上角的【运行全部Cells】按钮，让系统重新“记住”我们所需要用到的变量的值。

Jupyter notebook中的常用快捷方式

模式	快捷键	描述
按Enter键进入编辑模式	Ctrl/Command-Enter	运行当前单元代码
	Shift-Enter	运行当前单元代码并指向下一个单元
	Alt/Option-Enter	运行本单元代码并在下方插入新单元
按Esc键退出编辑模式	Up/Down	选中上方或下方单元
	Shift-K	扩大选中上方单元
	Shift-J	扩大选中下方单元
	Shift-M	合并选中的单元
	A	在当前单元格上面创建一个新的单元格
	B	在当前单元格下面创建一个新的单元格
	双击D	删除本单元格
	Z	撤销已删除的单元格
	M	插入Markdown格式文本

Jupyter notebook的几个小技巧

技巧一.将光标移出jupyter代码编辑器的Cell，点击键盘的H键，即可弹出jupyter代码编辑器的常用快捷键盘方式。
技巧二.查看某个函数的具体使用方法
- 方法一：先运行代码编辑器中的Cell，将光标移入到函数中的括号中，点击：Shift+Tab+Tab+Tab+Tab。即可弹出该函数的详细用法（功能、参数和例子）。
- 方法二：先在函数后加？，运行代码编辑器中的Cell，即可弹出该函数的详细用法（功能、参数和例子）。